ZESZYTY NAUKOWE NR 5(77) AKADEMII MORSKIEJ W SZCZECINIE
|
|
- Natalia Nowakowska
- 6 lat temu
- Przeglądów:
Transkrypt
1 ISSN Jan Krupowies ZESZYTY NAUKOWE NR 5(77) AKADEMII MORSKIEJ W SZCZECINIE OBSŁUGIWANIE MASZYN I URZĄDZEŃ OKRĘTOWYCH OMiUO 2005 Analiza statystyczna zmian parametrów eksploatacyjnych olejów smarowych okrętowych silników spalinowych Słowa kluczowe: okrętowe silniki pomocnicze, parametry eksploatacyjne oleju, współczynniki korelacji i równania regresji, analityczny wskaźnik starzenia oleju Dokonano analizy statystycznej zmian parametrów eksploatacyjnych różnych gatunków olejów smarowych produkcji firm zachodnich, użytkowanych w okrętowych tłokowych silnikach spalinowych. Opracowano analityczne wskaźniki starzenia tych olejów w monitorowanych silnikach. Statistical Analysis of Changes in Operational Parameters of Marine Diesel Engine Lubrication Oils Key words: marine auxiliary engines, oil operational parameters, correlation coefficients and regression equations, analytic index of oil ageing A statistical analysis of changes made in operational parameters of various kinds of lubrication oils produced by Western firms used in marine piston diesel engines has been completed. Analytic ageing indexes of these oils in tested engines have been calculated. 331
2 Jan Krupowies Wstęp W opublikowanej wcześniej pracy autora [4] dokonano wstępnej analizy i oceny wielkości oraz częstości zmian parametrów użytkowych olejów smarowych firm BP i Shell, po różnym czasie ich pracy w okrętowych silnikach pomocniczych produkcji firm Sulzer i MAN-B&W, eksploatowanych na wybranych statkach PŻM. Analizę tę przeprowadzono w odniesieniu do wartości granicznych parametrów badanych olejów, w celu określenia ich jakości i przydatności do dalszej eksploatacji oraz monitorowania stanu technicznego silnika. Celem niniejszej pracy jest analiza statystyczna zmian parametrów tych olejów na podstawie obszernego materiału eksploatacyjnego prezentowanego w kilku monografiach autora [5, 6, 7]. W szczególności celem pracy jest wyznaczenie współczynników korelacji między parametrami eksploatacyjnymi olejów a czasem ich użytkowania oraz odpowiednich równań regresji, a także opracowanie analitycznego wskaźnika starzenia oleju w silniku. 1. Uwagi dotyczące starzenia eksploatacyjnego okrętowych olejów silnikowych Proces starzenia oleju smarowego podczas eksploatacji w okrętowym silniku spalinowym ma charakter losowy. Zależy on od bardzo wielu czynników: obiektywnych i subiektywnych, deterministycznych i stochastycznych, które trudno było przewidzieć i uwzględnić w przeprowadzonych badaniach eksploatacyjnych. Wiadomo, że proces ten zależy m.in. od stosowanych metod pielęgnacji oleju na statku (różnego typu filtrowanie i wirowanie oleju) oraz od jego odświeżania (dolewki oleju świeżego do systemu smarowego silnika). Na przebieg i jakość tych zabiegów autor nie miał wpływu, gdyż były one w gestii załóg maszynowych statków, tak jak i na pobieranie próbek oleju do analizy. W dokumentacji technicznej armatora brakowało także danych dotyczących ewidencji dolewek oleju świeżego, zapisów parametrów procesu jego oczyszczania (rodzaj i czas pracy filtrów, wirówek). Dlatego też zabiegi te potraktowano jako wydarzenia losowe. Z wymienionych wyżej przyczyn powstały ograniczenia i trudności w analitycznym opracowaniu rezultatów badań. Trudności te wynikają również z tego, że monitorowane okrętowe tłokowe silniki spalinowe charakteryzują się specyficznymi cechami [2], odróżniającymi je np. od masowo produkowanych silników samochodowych lub silników stosowanych w innych gałęziach transportu: 332
3 Analiza statystyczna zmian parametrów eksploatacyjnych olejów smarowych... wykonywane są w stosunkowo krótkich seriach; mają duże i bardzo duże moce; mają duże gabaryty i ciężary; posadowione są na fundamencie ulegającym deformacjom (falowanie morza, zmiana stanu załadowania statku itp.) W związku z tym do opracowania wyników badań trudno było zastosować model matematyczny. Posłużono się tu analizą statystyczną, w wyniku której wyznaczono równania regresji i współczynniki korelacji dla zmian analizowanych parametrów eksploatacyjnych olejów w funkcji czasu ich pracy w monitorowanych silnikach. Podjęto również próbę opracowania uogólnionego wskaźnika starzenia oleju w silniku, powiązanego z jego istotnymi parametrami eksploatacyjnymi. 2. Analiza statystyczna zmian parametrów eksploatacyjnych olejów silnikowych 2.1. Współczynniki korelacji (oleje silników pomocniczych) Korelacja między dwoma zmiennymi jest miarą siły liniowego związku między nimi. Stopień korelacji mierzony jest współczynnikiem korelacji. Na podstawie próby, często o małej liczności, można wyznaczyć tylko estymator rzeczywistego współczynnika korelacji na odpowiednim poziomie ufności. Najczęściej stosuje się współczynnik korelacji Pearsona R [1, 8]. W tabeli 1 przedstawiono współczynniki korelacji między parametrami fizykochemicznymi oleju a czasem pracy oleju oraz poziom istotności p, z jakim zostały wyznaczone wartości R dla wszystkich 52 monitorowanych silników pomocniczych. Uwaga: Im mniejsza jest wartość p, tym większy jest poziom ufności wyznaczonego współczynnika korelacji R, gdzie p poziom istotności wyznaczenia R. Przyjęte oznaczenia normatywnych parametrów oleju: L lepkość oleju, BN liczba zasadowa oleju, T temperatura zapłonu oleju, W zawartość wody w oleju, Z zawartość zanieczyszczeń w oleju. 333
4 Jan Krupowies Współczynniki korelacji między oznaczanymi parametrami olejów smarowych a czasem ich pracy w silnikach pomocniczych Coefficients of the correlation between designated lubrication oil parameters and their working time in auxiliary engines Tabela 1 Lp. Źródło danych L BN T W Z tab. 7 0,9025 0,8825 0,4049 0,7785 s. 49 [7] p = 0,005 p = 0,009 p = p = 0,368 p = 0,039 2 tab. 8 0,8052 0,8070 0,0671 0,5730 s. 50 [7] p = 0,016 p = 0,015 p = p = 0,874 p = 0,138 3 tab. 9 0,6384 0,9241 0,4097 0,4361 0,1460 s. 51 [7] p = 0,246 p = 0,025 p = 0,493 p = 0,463 p = 0,815 4 tab. 10 0,3788 0,2208 0,0550 0,3084 0,4108 s. 52 [7] p = 0,459 p = 0,674 p = 0,918 p = 0,552 p = 0,418 5 tab. 11 0,7252 0,1117 0,6121 0,5420 s. 53 [7] p = 0,103 p = 0,833 p = 0,197 p = p = 0,267 6 tab. 12 0,3881 0,3127 0,4168 0,6973 s. 54 [7] p = 0,447 p = 0,546 p = 0,411 p = p = 0,124 7 tab. 13 0,9497 0,4591 0,7346 0,0171 0,0902 s. 55 [7] p = 0,001 p = 0,300 p = 0,060 p = 0,971 p = 0,847 8 tab. 14 0,0364 0,3204 0,6232 0,1549 s. 56 [7] p = 0,932 p = 0,439 p = p = 0,099 p = 0,714 9 tab. 15 0,5453 0,8052 0,0061 0,0630 s. 57 [7] p = 0,162 p = 0,016 p = p = 0,989 p = 0, tab. 16 0,6849 0,6634 0,4543 0,2483 s. 58 [7] p = 0,090 p = 0,104 p = p = 0,306 p = 0, tab. 17 0,1410 0,9447 0,5741 0,5155 0,5265 s. 59 [7] p = 0,821 p = 0,015 p = 0,311 p = 0,374 p = 0, tab. 18 0,1320 0,8521 0,3454 0,6100 s. 60 [7] p = 0,803 p = 0,031 p = p = 0,502 p = 0, tab. 19 0,4854 0,7775 0,4097 0,5564 s. 61 [7] p = 0,329 p = 0,069 p = p = 0,420 p = 0,252 tab. 20 0,0867 0,8508 0,2294 0,3536 s. 62 [7] p = 0,853 p = 0,015 p = p = 0,621 p = 0,436 tab. 21 0,8822 0,8891 0,1237 0,1382 s. 63 [7] p = 0,004 p = 0,003 p = p = 0,770 p = 0,744 tab. 22 0,5265 0,5079 0,0543 0,2256 s. 64 [7] p = 0,180 p = 0,199 p = p = 0,898 p = 0,
5 Analiza statystyczna zmian parametrów eksploatacyjnych olejów smarowych... Tabela 1 (cd.) tab. 23 0,6294 0,0903 0,2877 0,7427 s. 65 [7] p = 0,095 p = 0,832 p = p = 0,490 p = 0, tab. 24 0,0927 0,5817 0,3134 s. 66 [7] p = 0,843 p = 0,171 p = p = p = 0, tab. 25 0,7541 0,3358 0,2615 0,7981 s. 67 [7] p = 0,031 p = 0,416 p = 0,532 p = p = 0, tab. 26 0,6311 0,1296 0,9644 s. 68 [7] p = 0,254 p = 0,835 p = p = p = 0, tab. 27 0,2619 0,0742 0,3331 0,7313 s. 69 [7] p = 0,616 p = 0,889 p = p = 0,519 p = 0, tab. 28 0,0869 0,0219 0,3668 0,3840 s. 70 [7] p = 0,838 p = 0,959 p = p = 0,371 p = 0, tab. 29 0,5099 0,2903 0,3915 0,3337 s. 71 [7] p = 0,197 p = 0,485 p = p = 0,337 p = 0, tab. 30 0,3959 0,1630 0,0912 s. 72 [7] p = 0,437 p = 0,758 p = p = p = 0, tab. 31 0,4578 0,4973 0,1033 0,0480 s. 73 [7] p = 0,254 p = 0,210 p = 0,808 p = p = 0, tab. 32 0,5631 0,4507 0,2828 0,4426 0,0634 s. 74 [7] p = 0,245 p = 0,370 p = 0,587 p = 0,379 p = 0, tab. 33 0,3405 0,5768 0,1260 0,9234 s. 75 [7] p = 0,509 p = 0,231 p = 0,812 p = p = 0, tab. 34 0,1560 0,1391 0,7456 0,0753 s. 76 [7] p = 0,712 p = 0,743 p = p = 0,034 p = 0, tab. 35 0,9247 0,6137 0,0756 0,1787 s. 77 [7] p = 0,001 p = 0,106 p = p = 0,859 p = 0, tab. 36 0,6703 0,3400 0,3519 0,2099 s. 78 [7] p = 0,069 p = 0,410 p = p = 0,393 p = 0, tab. 37 0,5619 0,1839 0,3658 0,2456 0,5901 s. 79 [7] p = 0,438 p = 0,816 p = 0,634 p = 0,754 p = 0, tab. 38 0,7491 0,1914 0,0235 0,2804 s. 80 [7] p = 0,251 p = 0,809 p = 0,976 p = p = 0, tab. 39 0,9968 0,9770 0,7530 0,7627 s. 81 [7] p = 0,003 p = 0,023 p = p = 0,247 p = 0, tab. 40 0,2795 0,3529 0,1681 0,2008 s. 82 [7] p = 0,544 p = 0,437 p = 0,719 p = p = 0, tab. 41 0,5442 0,1980 0,4912 0,2099 s. 83 [7] p = 0,264 p = 0,707 p = 0,322 p = p = 0,
6 Jan Krupowies Tabela 1 (cd.) tab. 42 0,6695 0,2307 0,2492 0,2053 0,8928 s. 84 [7] p = 0,146 p = 0,660 p = 0,634 p = 0,696 p = 0,017 tab. 43 0,4302 0,7825 0,4236 0,2523 0,1335 s. 85 [7] p = 0,394 p = 0,066 p = 0,403 p = 0,630 p = 0,801 tab. 44 0,7914 0,1751 0,4512 0,7795 s. 86 [7] p = 0,111 p = 0,778 p = p = 0,446 p = 0,120 tab. 45 0,5624 0,6124 0,6099 0,6568 s. 87 [7] p = 0,245 p = 0,196 p = p = 0,199 p = 0,156 tab. 46 0,1004 0,0158 0,3381 0,4828 s. 88 [7] p = 0,850 p = 0,976 p = p = 0,512 p = 0,332 tab. 14 0,2781 0,6559 0,4170 s. 101 [5] p = 0,505 p = 0,077 p = p = p = 0,304 tab. 15 0,2346 0,3328 0,0168 s. 102 [5] p = 0,576 p = 0,421 p = p = p = 0,969 tab. 16 0,5987 0,2699 0,6426 s. 103 [5] p = 0,117 p = 0,518 p = p = p = 0,086 tab. 18 0,4248 0,5576 0,1442 s. 105 [5] p = 0,254 p = 0,119 p = p = p = 0,711 tab. 19 0,0474 0,4583 0,0404 s. 106 [5] p = 0,904 p = 0,215 p = p = p = 0,918 tab. 20 0,5467 0,2506 0,0018 0,6510 s. 107 [5] p = 0,128 p = 0,516 p = p = 0,996 p = 0,058 tab. 22 0,0476 0,2327 0,2378 s. 109 [5] p = 0,911 p = 0,579 p = p = p = 0,571 tab. 23 0,3207 0,0017 0,3921 s. 110 [5] p = 0,439 p = 0,997 p = p = p = 0,337 tab. 24 0,6163 0,4148 0,6574 s. 111 [5] p = 0,104 p = 0,307 p = p = p = 0,076 tab. 26 0,9158 0,1199 0,1122 0,7364 s. 113 [5] p = 0,010 p = 0,821 p = p = 0,832 p = 0,095 tab. 27 0,1818 0,0943 0,7769 0,0723 s. 114 [5] p = 0,730 p = 0,859 p = p = 0,069 p = 0,892 tab. 28 0,3977 0,1995 0,2253 0,3047 s. 115 [5] p = 0,435 p = 0,705 p = p = 0,668 p = 0,557 Sposób i możliwość pozyskiwania próbek olejów do analizy (niezależne od autora i wymuszone rzeczywistym czasem eksploatacji statków) nie pozwalają na wyznaczenie dokładnych zależności między parametrami eksploatowanych olejów a czasem ich pracy. Pozwalają jednak na dokonanie porównań między parametrami, gdyż na wszystkie z nich miały wpływ przeprowadzane na 336
7 Analiza statystyczna zmian parametrów eksploatacyjnych olejów smarowych... statkach zabiegi pielęgnacyjne, które potraktowano jako czynnik losowy, ponieważ nie wiadomo kiedy i w jakim zakresie były one dokonywane. Na podstawie średniego współczynnika korelacji, który jest średnią z wartości bezwzględnych współczynników korelacji wyznaczonych dla parametrów wszystkich badanych próbek oleju z silników pomocniczych (tab. 2), stwierdzono, że wraz z upływem czasu pracy oleju najbardziej zmienia się jego lepkość, a następnie w kolejności: BN i zawartość zanieczyszczeń. Temperatura zapłonu oleju i zawartość w nim wody wykazują zdecydowanie najsłabszy związek z czasem pracy oleju. Zmiany temperatury zapłonu oleju i zawartości w nim wody są bowiem efektem zdarzeń incydentalnych, jakie mają miejsce w czasie eksploatacji (awarie układu paliwowego i układu chłodzenia). W miarę upływu czasu wzrasta jedynie prawdopodobieństwo ich wystąpienia. Wynika stąd, że najbardziej czułym wskaźnikiem starzenia oleju w silniku jest jego lepkość. Istotnymi wskaźnikami starzenia są również parametry: liczba zasadowa i zawartość zanieczyszczeń. Średnie współczynniki korelacji dla parametrów olejów z silników pomocniczych Average correlation parameters for oils in auxiliary engines L BN T W Z 0,4823 0,4219 0,1019 0,2108 0,4091 Tabela Równania regresji liniowej Oprócz współczynnika korelacji, równanie regresji liniowej jest bardzo wygodnym i skutecznym narzędziem do oceny zależności jednej zmiennej od drugiej [1, 3]. Muszą być jednak spełnione odpowiednie warunki, aby regresja spełniała swoją rolę. W tym celu wykorzystano w niniejszej pracy dwie wielkości świadczące o tym, na ile równanie regresji dobrze opisuje zmienność poszczególnych parametrów fizykochemicznych oleju. Są to: współczynnik determinacji (R 2 ) oraz test t [1]. Współczynnik determinacji, który jest kwadratem współczynnika korelacji, mówi o tym na ile upływ czasu wyjaśnia zmienność danego parametru. Natomiast test t weryfikuje hipotezę o liniowej zależności między zmiennymi. Na podstawie wyników badań wyznaczono równania regresji liniowej dla poszczególnych parametrów względem czasu pracy oleju. Równania te mają postać: zmienna = 0 1 B + B czas 337
8 Jan Krupowies Dla każdej zmiennej wyznaczono współczynnik determinacji (R 2 ), który mówi o tym, na ile upływ czasu wyjaśnia zmienność danej zmiennej oraz określono maksymalny poziom ufności (1 p), z jakim test t stwierdza liniowość zależności między zmienną a czasem. Jeżeli R 2 > 0,9, to równanie regresji bardzo dobrze opisuje zależność zmiennej od czasu. Jeżeli R 2 > 0,8, to równanie regresji dobrze opisuje zależność zmiennej od czasu. Jeżeli R 2 > 0,6, to równanie regresji zadowalająco opisuje zależność zmiennej od czasu. Jeżeli R 2 < 0,6, to równanie regresji niezadowalająco opisuje zależność zmiennej od czasu. Oleje silników pomocniczych Spośród 52 zbiorów próbek oleju obiegowego z silników pomocniczych wybrano te, w których co najmniej jeden parametr miał współczynnik determinacji większy od 0,6. W pozostałych przypadkach, w których współczynnik determinacji jest niski, równanie regresji niezadowalająco opisuje zmienność parametru w czasie pracy oleju. Trudność w uchwyceniu ścisłej zależności między parametrami oleju a czasem jego pracy związana jest z tym, że olej, którego próbki pobierano do badań, poddawany był różnym zabiegom pielęgnacyjnym, co zmieniało wartości parametrów fizykochemicznych w czasie prowadzenia badań. Poniżej w tabelach przedstawiono współczynniki równania regresji, współczynnik determinacji (R 2 ) oraz maksymalny poziom ufności (1 p), z jakim test t istotności współczynnika korelacji liniowej Pearsona stwierdza korelację między zmienną a czasem. Olej Energol IC-HF 303 z silnika pomocniczego nr 1 MAN-B&W/5L 23/30 na m/s Armia Krajowa (tab. 7, s. 49 [7]) Oil Energol IC-HF 303 from auxiliary engine no 1 MAN-B&W/5L 23/30 on board m/s Armia Krajowa (Table 7, p. 49 [7]) L 12,09 0, ,9 0,81 0,994 BN 25,59 0, ,88 0,779 0,991 Z 0,23 0, ,78 0,6 0,96 Tabela
9 Analiza statystyczna zmian parametrów eksploatacyjnych olejów smarowych... Olej Energol IC-HF 303 z silnika pomocniczego nr 2 MAN-B&W/5L 23/30 na m/s Armia Krajowa (tab. 8, s. 50 [7]) Oil Energol IC-HF 303 from auxiliary engine no 2 MAN-B&W/5L 23/30 on board m/s Armia Krajowa (Table 8, p. 50 [7]) L 11,74 0,0001 0,81 0,65 0,98 BN 37,35 0, ,81 0,65 0,98 Tabela 3.2 Olej Energol DL-MP 40 z silnika pomocniczego nr 3 Sulzer 5AL 25/30 na m/s Generał Bem (tab. 9, s. 51 [7]) Oil Energol DL-MP 40 from auxiliary engine no 3 Sulzer 5AL 25/30 on board m/s Generał Bem (Table 9, p. 51 [7]) Tabela 3.3 BN 12,38 0, ,92 0,854 0,97 Olej Energol DL-MP 40 z silnika pomocniczego nr 2 Sulzer 5AL 25/30 na m/s Generał Madaliński (tab. 13, s. 55 [7]) Oil Energol DL-MP 40 from auxiliary engine no 2 Sulzer 5AL 25/30 on board m/s Generał Madaliński (Table 13, p. 55 [7]) Tabela 3.4 L 10,85 0, ,95 0,9 0,999 Olej Energol DL-MP 40 z silnika pomocniczego nr 3 Sulzer 5AL 25/30 na m/s Mirosławiec (tab. 17, s. 59 [7]) Oil Energol DL-MP 40 from auxiliary engine no 3 Sulzer 5AL 25/30 on board m/s Mirosławiec (Table 17, p. 59 [7]) Tabela 3.5 BN 11,77 0,0009 0,945 0,89 0,98 Olej Energol IC-HF 303 z silnika pomocniczego nr 1 MAN-B&W/5L 23/30 na m/s Orlęta Lwowskie (tab. 18, s. 60 [7]) Oil Energol IC-HF 303 from auxiliary engine no 1 MAN-B&W/5L 23/30 on board m/s Orlęta Lwowskie (Table 18, p. 60 [7]) BN 21,44 0,0123 0,85 0,73 0,96 Tabela
10 Jan Krupowies Olej Energol IC-HF 303 z silnika pomocniczego nr 2 MAN-B&W/5L 23/30 na m/s Orlęta Lwowskie (tab. 19, s. 61 [7]) Oil Energol IC-HF 303 from auxiliary engine no 2 MAN-B&W/5L 23/30 on board m/s Orlęta Lwowskie (Table 19, p. 61 [7]) BN 23,6 0, ,78 0,605 0,93 Olej Energol IC-HF 303 z silnika pomocniczego nr 3 MAN-B&W/5L 23/30 na m/s Orlęta Lwowskie (tab. 20, s. 62 [7]) Oil Energol IC-HF 303 from auxiliary engine no 3 MAN-B&W/5L 23/30 on board m/s Orlęta Lwowskie (Table 20, p. 62 [7]) BN 22,13 0, ,85 0,73 0,98 Olej Energol IC-HF 303 z silnika pomocniczego nr 1 MAN-B&W/5L 23/30 na m/s Polska Walcząca (tab. 21, s. 63 [7]) Oil Energol IC-HF 303 from auxiliary engine no 1 MAN-B&W/5L 23/30 on board m/s Polska Walcząca (Table 21, p. 63 [7]) L 10,67 0, ,88 0,78 0,996 BN 26,114 0, ,89 0,79 0,996 Tabela 3.7 Tabela 3.8 Tabela 3.9 Olej Energol DL-MP 40 z silnika pomocniczego nr 2 Sulzer 6AL 20/24 na m/s Powstaniec Styczniowy (tab. 25, s. 67 [7]) Oil Energol DL-MP 40 from auxiliary engine no 2 Sulzer 6AL 20/24 on board m/s Powstaniec Styczniowy (Table 25, p. 67 [7]) Tabela 3.10 Z 2,53 0, ,8 0,64 0,98 Olej Energol DL-MP 40 z silnika pomocniczego nr 3 Sulzer 6AL 20/24 na m/s Powstaniec Styczniowy (tab. 26, s. 68 [7]) Oil Energol DL-MP 40 from auxiliary engine no 3 Sulzer 6AL 20/24 on board m/s Powstaniec Styczniowy (Table 26, p. 68 [7]) Tabela 3.11 Z 0,67 0, ,96 0,93 0,
11 Analiza statystyczna zmian parametrów eksploatacyjnych olejów smarowych... Olej Energol DL-MP 40 z silnika pomocniczego nr 3 Sulzer 5A 25/30 na m/s Syn Pułku (tab. 33, s. 75 [7]) Oil Energol DL-MP 40 from auxiliary engine no 3 Sulzer 5A 25/30 on board m/s Syn Pułku (Table 33, p. 75 [7]) Tabela 3.12 Z 4,26 0, ,92 0,85 0,991 Olej Energol IC-HF 303 z silnika pomocniczego nr 2 MAN-B&W/5L 23/30 na m/s Szare Szeregi (tab. 35, s. 77 [7]) Oil Energol IC-HF 303 from auxiliary engine no 2 MAN-B&W/5L 23/30 on board m/s Szare Szeregi (Table 35, p. 77 [7]) L 11,14 0, ,925 0,86 0,999 Tabela 3.13 Olej Energol DL-MP 30 z silnika pomocniczego nr 3 MAN-B&W/6T 23HH na m/s Uniwersytet Jagielloński (tab. 39, s. 81 [7]) Oil Energol DL-MP 30 from auxiliary engine no 3 MAN-B&W/6T 23HH on board m/s Uniwersytet Jagielloński (Table 39, p. 81 [7]) L 12,97 0, ,997 0,994 0,997 BN 7,54 0,0012 0,997 0,955 0,977 Tabela 3.14 Olej Energol DL-MP 30 z silnika pomocniczego nr 3 MAN-B&W/6T 23H na m/s Uniwersytet Wrocławski (tab. 42, s. 84 [7]) Oil Energol DL-MP 30 from auxiliary engine no 3 MAN-B&W/6T 23H on board m/s Uniwersytet Wrocławski (Table 42, p. 84 [7]) Z 1,58 0, ,89 0,8 0,98 Tabela 3.15 Olej Energol IC-HF 303 z silnika pomocniczego nr 1 MAN-B&W/5T 23LH4 na m/s Ziemia Chełmińska (tab. 43, s. 85 [7]) Oil Energol IC-HF 303 from auxiliary engine no 1 MAN-B&W/5T 23LH4 on board m/s Ziemia Chełmińska (Table 43, p. 85 [7]) BN 20,6 0, ,78 0,61 0,93 Tabela
12 Jan Krupowies Olej Energol IC-HF 303 z silnika pomocniczego nr 3 MAN-B&W/5T 23LH4 na m/s Ziemia Chełmińska (tab. 44, s. 86 [7]) Oil Energol IC-HF 303 from auxiliary engine no 3 MAN-B&W/5T 23LH4 on board m/s Ziemia Chełmińska (Table 44, p. 86 [7]) L 11,24 0,0006 0,79 0,63 0,89 Z 0,456 0, ,78 0,61 0,88 Tabela 3.17 Olej Shell Gadinia 40 z silnika pomocniczego nr 1 MAN-B&W L23/28 na m/s Generał Berling (tab. 26, s. 113 [5]) Oil Shell Gadinia 40 from auxiliary engine no 1 MAN-B&W L23/28 on board m/s Generał Berling (Table 26, p. 113 [5]) L 3,48 0, ,92 0,84 0,99 Tabela Analityczny wskaźnik starzenia oleju w silniku Spośród wszystkich współczynników korelacji między parametrami fizykochemicznymi olejów obiegowych a czasem ich pracy w silniku, wybrano te, dla których poziom istotności nie przekroczył 0,1 (p 0,1). Tabela 4 przedstawia liczbę przypadków eksploatacyjnych, w których współczynnik korelacji był wyznaczony na poziomie istotności p 0,1 oraz podaje średni współczynnik korelacji. Tabela 4 Średnie współczynniki korelacji Average correlation coefficients Parametry oleju L BN T W Z Liczba przypadków Średni współczynnik korelacji 0,8287 0,8456 0,7346 0,7152 0,7776 W związku z tym, że zmienne T i W bardzo rzadko wykazywały korelację z czasem na przyjętym poziomie istotności, dlatego w tabeli 3 podano średnie współczynniki korelacji. Obliczono je jako średnie z wartości bezwzględnych współczynników, wyznaczonych na poziomie istotności p 0,1. 342
13 Analiza statystyczna zmian parametrów eksploatacyjnych olejów smarowych... Ostatecznie więc średnie współczynniki korelacji między poszczególnymi parametrami olejów a czasem ich pracy w silniku wynoszą: Przyjęte współczynniki korelacji Assumed correlation coefficients Parametry oleju L BN T W Z Średni współczynnik korelacji 0,8287 0, ,7776 Tabela 5 Jak już zaznaczono wcześniej, próbki olejów pobierano w różnych warunkach eksploatacji, stąd tylko niewielki ich odsetek (tab. 4) wykazuje korelacje na odpowiednim poziomie istotności. Należy jednak przypuszczać, że gdyby próbki olejów pobierane były przez załogi maszynowe w sposób planowy i w jednakowych warunkach użytkowania, to powyższe zależności zachodziłyby dla znacznie większej liczby tych próbek (co potwierdzają inne prace autora oraz dane literaturowe). Na podstawie średnich współczynników korelacji oraz przy założeniu, że parametry oleju: L, BN, T, W, Z w 100% opisują proces starzenia oleju w silniku, wyznaczono współczynniki wagowe dla poszczególnych parametrów fizykochemicznych badanych olejów silnikowych: Współczynniki wagowe dla istotnych parametrów oleju Weight coefficients for essential oil parameters Parametry oleju L BN T W Z Współczynnik wagowy 0,338 0, ,317 Tabela 6 Współczynnik wagowy wyjaśnia, jaki wpływ na proces starzenia mają poszczególne zmienne. Parametry: L, BN, Z mają mniej więcej jednakowy wpływ na proces starzenia oleju. Wykorzystując współczynniki wagowe oraz wartości krytyczne poszczególnych parametrów, określono analityczny wskaźnik starzenia oleju AWSO. W związku z tym, że lepkość używanego oleju musi zawierać się w zakresie dopuszczalnych zmian wartości w stosunku do lepkości świeżego oleju, tj. w przedziale przyjętego w eksploatacji minimum i maksimum, AWSO przedstawiono dla każdego rodzaju oleju dwoma równaniami, w zależności od tego, czy lepkość kinematyczna (L) eksploatowanego oleju osiąga wartości zbliżone do górnej dopuszczalnej granicy, czy też zbliża się do dolnej wartości krytycznej. Dlatego przedział dopuszczalnych wartości L podzielono dokładnie na pół i dla wartości przekraczających średnią stosuje się pierwszy wzór, a dla wartości poniżej średniej drugi wzór. 343
14 Jan Krupowies Przekroczenie wartości krytycznej parametru eksploatacyjnego oleju musi spowodować wymianę częściową lub całkowitą oleju, albo podjęcie innych stosownych czynności naprawczych. Przedstawiony poniżej analityczny wskaźnik starzenia oleju AWSO jest miarą, która wskazuje, jak daleko zmieniły się wartości parametrów (najistotniejszych dla procesu starzenia oleju), w stosunku do wartości parametrów świeżego oleju oraz na ile zbliżają się one do wartości krytycznych. AWSO skonstruowano tak, aby przyjmował wartości z przedziału 0,1. Uzyskano to w ten sposób, że bezwzględny analityczny wskaźnik starzenia oleju, który występuje w liczniku poniższych wzorów, podzielono przez jego wartość dla parametrów oleju świeżego. Wartość 1 odpowiada wartościom parametrów oleju świeżego, a wartość 0 przyjęto dla oleju używanego, którego parametry osiągnęły wartości krytyczne. Podane poniżej wartości liczbowe L są średnimi z przedziału dopuszczalnych wartości lepkości używanego oleju w odniesieniu do oleju świeżego. Dla poszczególnych olejów smarowych wyrażenia na AWSO będą miały następującą postać: 1) Olej Energol IC-HF 303 Jeżeli L 12,075 mm 2 /s, to: L 14,95 BN 15 Z 2 0, ,345 0,317 14, ,74 Jeżeli L < 12,075 mm 2 /s, to: L 9,2 BN 15 Z 2 0, ,345 0,317 9, ,7465 2) Olej Energol IC-HF 304 Jeżeli L 14,7 mm 2 /s, to: L 18,2 BN 15 Z 2 0, ,345 0,317 18, ,74 Jeżeli L < 14,7 mm 2 /s, to: L 11,2 BN 15 Z 2 0, ,345 0,317 11, ,
15 Analiza statystyczna zmian parametrów eksploatacyjnych olejów smarowych... 3) Olej Energol DL-MP 40 Jeżeli L 14,7 mm 2 /s, to: L 18,2 BN 4,5 Z 2 0, ,345 0,317 18,2 4,5 2 0,74 Jeżeli L <14,7 mm 2 /s, to: L 11,2 BN 4,5 Z 2 0, ,345 0,317 11,2 4,5 2 0,7465 4) Olej Energol DL-MP 30 Jeżeli L 12,075 mm 2 /s, to: L 14,95 BN 4,5 Z 2 0, ,345 0,317 14,95 4,5 2 0,74 Jeżeli L < 12,075 mm 2 /s, to: L 9,2 BN 4,5 Z 2 0, ,345 0,317 9,2 4,5 2 0,7465 5) Olej Shell Gadinia 40 Jeżeli L 15,12 mm 2 /s, to: L 18,72 BN 6 Z 2 0, ,345 0,317 18, ,74 Jeżeli L < 15,12 mm 2 /s, to: L 11,52 BN 6 Z 2 0, ,345 0,317 11, ,
16 Jan Krupowies Wnioski 1. Na podstawie wyznaczonych w pracy średnich współczynników korelacji Pearsona można stwierdzić, że: najsilniejszy związek zachodzi między lepkością oleju a czasem jego pracy w silniku. Wynika stąd, że najbardziej czułym sygnałem diagnostycznym starzenia eksploatacyjnego oleju silnikowego są zmiany jego lepkości, a następnie w kolejności: zmiany liczby zasadowej oleju i zawartych w nim zanieczyszczeń; zmiany temperatury zapłonu oleju i zawartości w nim wody wykazują zdecydowanie najsłabszy związek z czasem pracy oleju, gdyż są one efektem zdarzeń incydentalnych w czasie eksploatacji (np.: awaryjne przecieki paliwa i wody chłodzącej do systemu oleju smarowego silnika). 2. Opracowany analityczny wskaźnik starzenia oleju AWSO ma charakter uogólnionego wskaźnika starzenia eksploatacyjnego oleju silnikowego, powiązanego z pozostałymi istotnymi dla tego procesu parametrami oleju, tj. liczbą zasadową (BN) i zawartością zanieczyszczeń w oleju (Z). Takie parametry, jak temperatura zapłonu oleju (T) i zawartość w nim wody (W) są tu nieistotne (brak korelacji z czasem), a zmiana ich wartości ma charakter losowy. AWSO przyjmuje wartości z przedziału 0,1. Wartości bliskie 1 oznaczają, że proces starzenia oleju jest w fazie początkowej ( olej jest świeży ), natomiast wartości bliskie 0 wskazują na stan znacznego zużycia ( olej jest zestarzały ), co objawia się tym, że parametry oleju osiągają wartości bliskie wartościom krytycznym. 3. Nieliniowy przebieg zmian oznaczanych parametrów eksploatacyjnych olejów silnikowych w funkcji czasu ich użytkowania oraz znaczny rozrzut wyników badań [5, 6, 7] spowodowany jest nieregularnym oraz często niezgodnym z obowiązującymi procedurami sposobem pobierania przez załogi maszynowe próbek oleju do analizy. Ścisłe przestrzeganie zasad pobierania i oznakowania reprezentatywnych próbek oleju oraz systematyczna ich kontrola laboratoryjna, mimo losowego charakteru starzenia oleju w silniku, wpłyną pozytywnie na jakość powyższych badań eksploatacyjnych oraz na ich przydatność diagnostyczną. Literatura 1. Aczel A.D., Statystyka w zarządzaniu, Wydawnictwo Naukowe PWN, Warszawa Bielawski P., Elementy diagnostyki drganiowej mechanizmów tłokowokorbowych maszyn okrętowych, Studia Nr 39, WSM w Szczecinie, Szczecin
17 Analiza statystyczna zmian parametrów eksploatacyjnych olejów smarowych Gajek L., Kałuszko M., Wnioskowanie statystyczne, WNT, Warszawa Krupowies J., Analiza zmian parametrów użytkowych olejów smarowych okrętowych silników pomocniczych, Zeszyty Naukowe Nr 1(73) Akademii Morskiej w Szczecinie, Szczecin 2004, s Krupowies J., Badania pierwiastków śladowych w oleju obiegowym jako element diagnostyki silnika, Studia Nr 34, WSM w Szczecinie, Szczecin Krupowies J., Badania zmian parametrów fizykochemicznych silnikowych olejów smarowych eksploatowanych na statkach Polskiej Żeglugi Morskiej, Studia Nr 27, WSM w Szczecinie, Szczecin Krupowies J., Badania zmian właściwości oleju obiegowego okrętowych silników pomocniczych, Studia Nr 40, WSM w Szczecinie, Szczecin Kukiełka L., Podstawy badań inżynierskich. Wydawnictwo Naukowe PWN, Warszawa Recenzenci dr hab. inż. Andrzej Piętak, prof. WAT dr hab. inż. Oleh Klyus, prof. AM Adres Autora dr inż. Jan Krupowies Akademia Morska w Szczecinie Instytut Matematyki, Fizyki i Chemii ul. Wały Chrobrego 1/2, Szczecin Wpłynęło do redakcji w lutym 2005 r. 347
ZESZYTY NAUKOWE NR 10(82) AKADEMII MORSKIEJ W SZCZECINIE. Analiza zmian właściwości użytkowych olejów smarowych firmy BP w czasie ich eksploatacji
ISSN 1733-8670 ZESZYTY NAUKOWE NR 10(82) AKADEMII MORSKIEJ W SZCZECINIE IV MIĘDZYNARODOWA KONFERENCJA NAUKOWO-TECHNICZNA EXPLO-SHIP 2006 Jan Krupowies Analiza zmian właściwości użytkowych olejów smarowych
Bardziej szczegółowoZESZYTY NAUKOWE NR 1(73) AKADEMII MORSKIEJ W SZCZECINIE. Analiza zmian parametrów użytkowych olejów smarowych okrętowych silników pomocniczych
ISSN 0209-2069 ZESZYTY NAUKOWE NR 1(73) AKADEMII MORSKIEJ W SZCZECINIE EXPLO-SHIP 2004 Jan Krupowies Analiza zmian parametrów użytkowych olejów smarowych okrętowych silników pomocniczych Słowa kluczowe:
Bardziej szczegółowoSTATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoRozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoKORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
Bardziej szczegółowoĆwiczenie: Wybrane zagadnienia z korelacji i regresji
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Stanisza r xy = 0 zmienne nie są skorelowane 0 < r xy 0,1
Bardziej szczegółowoTestowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;
LABORATORIUM 4 Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona; dwie zmienne zależne mierzalne małe próby duże próby rozkład normalny
Bardziej szczegółowoZALICZENIA. W celu uzyskania zaliczenia należy wybrać jeden z trzech poniższych wariantów I, II lub III
ZALICZENIA W celu uzyskania zaliczenia należy wybrać jeden z trzech poniższych wariantów I, II lub III 1 Wariant I. PROBLEM WŁASNY Sformułować własne zadanie statystyczne związane z własną pracą badawczą
Bardziej szczegółowoĆwiczenie: Wybrane zagadnienia z korelacji i regresji.
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00±0,20)
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoX Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9
Zadanie W celu sprawdzenia, czy pipeta jest obarczona błędem systematycznym stałym lub zmiennym wykonano szereg pomiarów przy różnych ustawieniach pipety. Wyznacz równanie regresji liniowej, które pozwoli
Bardziej szczegółowoMetodologia badań psychologicznych. Wykład 12. Korelacje
Metodologia badań psychologicznych Lucyna Golińska SPOŁECZNA AKADEMIA NAUK Wykład 12. Korelacje Korelacja Korelacja występuje wtedy gdy dwie różne miary dotyczące tych samych osób, zdarzeń lub obiektów
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoS YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne. Nie dotyczy
S YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne Nazwa modułu: Moduł B - Statystyka z elementami matematyki Rodzaj modułu/przedmiotu Wydział PUM Kierunek studiów Specjalność Poziom studiów Forma studiów
Bardziej szczegółowoAnaliza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817
Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Zadanie 1: wiek 7 8 9 1 11 11,5 12 13 14 14 15 16 17 18 18,5 19 wzrost 12 122 125 131 135 14 142 145 15 1 154 159 162 164 168 17 Wykres
Bardziej szczegółowoPDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
Bardziej szczegółowoZESZYTY NAUKOWE NR 2 (74) AKADEMII MORSKIEJ W SZCZECINIE
ISSN 29-269 ZESZYTY NAUKOWE NR 2 (74) AKADEMII MORSKIEJ W SZCZECINIE EXPLO-SHIP 4 Lech Kasyk Rozkład prawdopodobieństwa czasu oczekiwania na zgłoszenie statku na torze wodnym Szczecin Świnoujście Słowa
Bardziej szczegółowoZadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.
tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
Zał. nr 4 do ZW WYDZIAŁ ELEKTRONIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA MATEMATYCZNA Nazwa w języku angielskim Mathematical Statistics Kierunek studiów (jeśli dotyczy): Specjalność (jeśli
Bardziej szczegółowoWspółczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ
Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,
Bardziej szczegółowoZJAZD 4. gdzie E(x) jest wartością oczekiwaną x
ZJAZD 4 KORELACJA, BADANIE NIEZALEŻNOŚCI, ANALIZA REGRESJI Analiza korelacji i regresji jest działem statystyki zajmującym się badaniem zależności i związków pomiędzy rozkładami dwu lub więcej badanych
Bardziej szczegółowoWalidacja metod analitycznych Raport z walidacji
Walidacja metod analitycznych Raport z walidacji Małgorzata Jakubowska Katedra Chemii Analitycznej WIMiC AGH Walidacja metod analitycznych (według ISO) to proces ustalania parametrów charakteryzujących
Bardziej szczegółowoZAKŁAD POJAZDÓW SAMOCHODOWYCH I SILNIKÓW SPALINOWYCH ZPSiSS WYDZIAŁ BUDOWY MASZYN I LOTNICTWA
ZAKŁAD POJAZDÓW SAMOCHODOWYCH I SILNIKÓW SPALINOWYCH ZPSiSS WYDZIAŁ BUDOWY MASZYN I LOTNICTWA POLITECHNIKA RZESZOWSKA im. IGNACEGO ŁUKASIEWICZA Al. Powstańców Warszawy 8, 35-959 Rzeszów, Tel: 854-31-1,
Bardziej szczegółowoW statystyce stopień zależności między cechami można wyrazić wg następującej skali: n 1
Temat: Wybrane zagadnienia z korelacji i regresji W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00 0,20) Słaba
Bardziej szczegółowoWPŁYW SZYBKOŚCI STYGNIĘCIA NA WŁASNOŚCI TERMOFIZYCZNE STALIWA W STANIE STAŁYM
2/1 Archives of Foundry, Year 200, Volume, 1 Archiwum Odlewnictwa, Rok 200, Rocznik, Nr 1 PAN Katowice PL ISSN 1642-308 WPŁYW SZYBKOŚCI STYGNIĘCIA NA WŁASNOŚCI TERMOFIZYCZNE STALIWA W STANIE STAŁYM D.
Bardziej szczegółowoAnaliza trwałości eksploatacyjnej oleju silnikowego
PIEC Paweł 1 ZAJĄC Grzegorz 2 Analiza trwałości eksploatacyjnej oleju silnikowego WPROWADZENIE Oleje silnikowe OS podlegają podczas eksploatacji procesom zużycia starzeją się. Na proces intensywności starzenia
Bardziej szczegółowoWłaściwości testu Jarque-Bera gdy w danych występuje obserwacja nietypowa.
Właściwości testu Jarque-Bera gdy w danych występuje obserwacja nietypowa. Paweł Strawiński Uniwersytet Warszawski Wydział Nauk Ekonomicznych 16 stycznia 2006 Streszczenie W artykule analizowane są właściwości
Bardziej szczegółowoAnaliza autokorelacji
Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.
Bardziej szczegółowo12. Przynależność do grupy przedmiotów: Blok przedmiotów matematycznych
(pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: Rachunek prawdopodobieństwa i statystyka matematyczna 2. Kod przedmiotu: RPiS 3. Karta przedmiotu ważna od roku akademickiego:
Bardziej szczegółowoPorównanie dwóch rozkładów normalnych
Porównanie dwóch rozkładów normalnych Założenia: 1. X 1 N(µ 1, σ 2 1), X 2 N(µ 2, σ 2 2) 2. X 1, X 2 są niezależne Ocena µ 1 µ 2 oraz σ 2 1/σ 2 2. Próby: X 11,..., X 1n1 ; X 21,..., X 2n2 X 1, varx 1,
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA
RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA LISTA 10 1.Dokonano 8 pomiarów pewnej odległości (w m) i otrzymano: 201, 195, 207, 203, 191, 208, 198, 210. Wiedząc,że błąd pomiaru ma rozkład normalny
Bardziej szczegółowoInżynieria Środowiska. II stopień ogólnoakademicki. przedmiot podstawowy obowiązkowy polski drugi. semestr zimowy
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2017/2018 STATYSTYKA
Bardziej szczegółowoRozkład prędkości statków na torze wodnym Szczecin - Świnoujście
KASYK Lech 1 Rozkład prędkości statków na torze wodnym Szczecin - Świnoujście Tor wodny, strumień ruchu, Zmienna losowa, Rozkłady dwunormalne Streszczenie W niniejszym artykule przeanalizowano prędkości
Bardziej szczegółowoTesty zgodności. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 11
Testy zgodności Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki Szczecińskiej 27. Nieparametryczne testy zgodności Weryfikacja
Bardziej szczegółowoSterowanie procesem i jego zdolność. Zbigniew Wiśniewski
Sterowanie procesem i jego zdolność Zbigniew Wiśniewski Wybór cech do kart kontrolnych Zaleca się aby w pierwszej kolejności były brane pod uwagę cechy dotyczące funkcjonowania wyrobu lub świadczenia usługi
Bardziej szczegółowoMetody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Bardziej szczegółowoPrognoza terminu sadzenia rozsady sałaty w uprawach szklarniowych. Janusz Górczyński, Jolanta Kobryń, Wojciech Zieliński
Prognoza terminu sadzenia rozsady sałaty w uprawach szklarniowych Janusz Górczyński, Jolanta Kobryń, Wojciech Zieliński Streszczenie. W uprawach szklarniowych sałaty pojawia się następujący problem: kiedy
Bardziej szczegółowoparametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,
诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ
REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ Korelacja oznacza fakt współzależności zmiennych, czyli istnienie powiązania pomiędzy nimi. Siłę i kierunek powiązania określa się za pomocą współczynnika korelacji
Bardziej szczegółowoĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI
ĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI Korelacja 1. Współczynnik korelacji 2. Współczynnik korelacji liniowej definicja 3. Estymacja współczynnika korelacji 4. Testy istotności współczynnika korelacji
Bardziej szczegółowo12. Przynależność do grupy przedmiotów: Blok przedmiotów matematycznych
(pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: Rachunek prawdopodobieństwa i statystyka matematyczna 2. Kod przedmiotu: RPiS 3. Karta przedmiotu ważna od roku akademickiego:
Bardziej szczegółowoOdchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi
Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska D syst D śr m 1 3 5 2 4 6 śr j D 1
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoAnaliza współzależności zjawisk
Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.
Bardziej szczegółowoW2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne.
W2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne. dr hab. Jerzy Nakielski Katedra Biofizyki i Morfogenezy Roślin Plan wykładu: 1. Etapy wnioskowania statystycznego 2. Hipotezy statystyczne,
Bardziej szczegółowoMetrologia: organizacja eksperymentu pomiarowego
Metrologia: organizacja eksperymentu pomiarowego (na podstawie: Żółtowski B. Podstawy diagnostyki maszyn, 1996) dr inż. Paweł Zalewski Akademia Morska w Szczecinie Teoria eksperymentu: Teoria eksperymentu
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoPrzykład 1. (A. Łomnicki)
Plan wykładu: 1. Wariancje wewnątrz grup i między grupami do czego prowadzi ich ocena 2. Rozkład F 3. Analiza wariancji jako metoda badań założenia, etapy postępowania 4. Dwie klasyfikacje a dwa modele
Bardziej szczegółowoLISTA 4. 7.Przy sporządzaniu skali magnetometru dokonano 10 niezależnych pomiarów
LISTA 4 1.Na pewnym obszarze dokonano 40 pomiarów grubości warstwy piasku otrzymując w m.: 54, 58, 64, 69, 61, 56, 41, 48, 56, 61, 70, 55, 46, 57, 70, 55, 47, 62, 55, 60, 54,57,65,60,53,54, 49,58,62,59,55,50,58,
Bardziej szczegółowoZESZYTY NAUKOWE NR 1(73) AKADEMII MORSKIEJ W SZCZECINIE
ISSN 0209-2069 ZESZYTY NAUKOWE NR 1(73) AKADEMII MORSKIEJ W SZCZECINIE EXPLO-SHIP 2004 Tadeusz Szelangiewicz, Katarzyna Żelazny Prognozowanie charakterystyk napędowych statku ze śrubą stałą podczas pływania
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Bardziej szczegółowoWYDZIAŁ BUDOWNICTWA LĄDOWEGO I WODNEGO
Zał. nr 4 do ZW WYDZIAŁ BUDOWNICTWA LĄDOWEGO I WODNEGO KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA STOSOWANA Nazwa w języku angielskim APPLIED STATISTICS Kierunek studiów (jeśli dotyczy): Specjalność
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 7
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Bardziej szczegółowoTeoria Estymacji. Do Powyżej
Teoria Estymacji Zad.1. W pewnym przedsiębiorstwie wylosowano niezależnie próbę 25 pracowników. Staż pracy (w latach) tych pracowników w 1996 roku był następujący: 37; 34; 0*; 5; 17; 17; 0*; 2; 24; 33;
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji
Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów
STATYSTYKA MATEMATYCZNA WYKŁAD 4 Testowanie hipotez Estymacja parametrów WSTĘP 1. Testowanie hipotez Błędy związane z testowaniem hipotez Etapy testowana hipotez Testowanie wielokrotne 2. Estymacja parametrów
Bardziej szczegółowoRÓWNOWAŻNOŚĆ METOD BADAWCZYCH
RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych
Bardziej szczegółowoTablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
Bardziej szczegółowoTesty nieparametryczne
Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów
Bardziej szczegółowoMateriały dydaktyczne. Chemia techniczna wody, paliw i smarów. Semestr II. Laboratoria
Materiały dydaktyczne Chemia techniczna wody, paliw i smarów Semestr II Laboratoria 1 33. Przedmiot: CHEMIA TECHNICZNA WODY, PALIW I SMARÓW Kierunek: Mechatronika Specjalność: Elektroautomatyka okrętowa
Bardziej szczegółowoOszacowanie i rozkład t
Oszacowanie i rozkład t Marcin Zajenkowski Marcin Zajenkowski () Oszacowanie i rozkład t 1 / 31 Oszacowanie 1 Na podstawie danych z próby szacuje się wiele wartości w populacji, np.: jakie jest poparcie
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA, LISTA 3
STATYSTYKA MATEMATYCZNA, LISTA 3 1. Aby zweryfikować hipotezę o symetryczności monety; H: p = 0.5 przeciwko K: p 0.5 wykonano nią n = 100 rzutów. Wyznaczyć obszar krytyczny i zweryfikować hipotezę H gdy
Bardziej szczegółowoWprowadzenie do statystyki dla. chemików testowanie hipotez
chemików testowanie hipotez Michał Daszykowski, Ivana Stanimirova Instytut Chemii Uniwersytet Śląski w Katowicach Ul. Szkolna 9 40-006 Katowice E-mail: www: mdaszyk@us.edu.pl istanimi@us.edu.pl http://www.sites.google.com/site/chemomlab/
Bardziej szczegółowoKilka uwag o testowaniu istotności współczynnika korelacji
341 Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Piotr Peternek Uniwersytet Ekonomiczny we Wrocławiu Marek Kośny Uniwersytet Ekonomiczny we Wrocławiu Kilka uwag o testowaniu istotności
Bardziej szczegółowoMODELE LINIOWE. Dr Wioleta Drobik
MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 5
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Bardziej szczegółowoTeoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.
Teoria błędów Wskutek niedoskonałości przyrządów, jak również niedoskonałości organów zmysłów wszystkie pomiary są dokonywane z określonym stopniem dokładności. Nie otrzymujemy prawidłowych wartości mierzonej
Bardziej szczegółowoWeryfikacja hipotez statystycznych
Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta
Bardziej szczegółowoZESZYTY NAUKOWE NR 5(77) AKADEMII MORSKIEJ W SZCZECINIE. Wyznaczanie granicznej intensywności przedmuchów w czasie rozruchu
ISSN 1733-8670 ZESZYTY NAUKOWE NR 5(77) AKADEMII MORSKIEJ W SZCZECINIE OBSŁUGIWANIE MASZYN I URZĄDZEŃ OKRĘTOWYCH OMiUO 2005 Karol Franciszek Abramek Wyznaczanie granicznej intensywności przedmuchów w czasie
Bardziej szczegółowoRecenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak
Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Redakcja i korekta Bogdan Baran Projekt graficzny okładki Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2011 ISBN
Bardziej szczegółowoWYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI
Zał. nr 4 do ZW WYDZIAŁ ELEKTRONIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA MATEMATYCZNA (EiT stopień) Nazwa w języku angielskim Mathematical Statistics Kierunek studiów (jeśli dotyczy): Specjalność
Bardziej szczegółowoStatystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28
Statystyka #5 Testowanie hipotez statystycznych Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik rok akademicki 2016/2017 1 / 28 Testowanie hipotez statystycznych 2 / 28 Testowanie hipotez statystycznych
Bardziej szczegółowoRegresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna
Regresja wieloraka Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna zmienna niezależna (można zobrazować
Bardziej szczegółowoAdam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska
Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska Anna Stankiewicz Izabela Słomska Wstęp- statystyka w politologii Rzadkie stosowanie narzędzi statystycznych Pisma Karla Poppera
Bardziej szczegółowoFORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS
FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION
Bardziej szczegółowoWSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH
WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH Dobrze przygotowane sprawozdanie powinno zawierać następujące elementy: 1. Krótki wstęp - maksymalnie pół strony. W krótki i zwięzły
Bardziej szczegółowoALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH
1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Regresja liniowa Korelacja Modelowanie Analiza modelu Wnioskowanie Korelacja 3 Korelacja R: charakteryzuje
Bardziej szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność
Bardziej szczegółowoWstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński
Wstęp do teorii niepewności pomiaru Danuta J. Michczyńska Adam Michczyński Podstawowe informacje: Strona Politechniki Śląskiej: www.polsl.pl Instytut Fizyki / strona własna Instytutu / Dydaktyka / I Pracownia
Bardziej szczegółowoWłasności statystyczne regresji liniowej. Wykład 4
Własności statystyczne regresji liniowej Wykład 4 Plan Własności zmiennych losowych Normalna regresja liniowa Własności regresji liniowej Literatura B. Hansen (2017+) Econometrics, Rozdział 5 Własności
Bardziej szczegółowoWYKŁAD 8 ANALIZA REGRESJI
WYKŁAD 8 ANALIZA REGRESJI Regresja 1. Metoda najmniejszych kwadratów-regresja prostoliniowa 2. Regresja krzywoliniowa 3. Estymacja liniowej funkcji regresji 4. Testy istotności współczynnika regresji liniowej
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 9
Stanisław Cichocki Natalia Nehrebecka Wykład 9 1 1. Dodatkowe założenie KMRL 2. Testowanie hipotez prostych Rozkład estymatora b Testowanie hipotez prostych przy użyciu statystyki t 3. Przedziały ufności
Bardziej szczegółowoZad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:
Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności
Bardziej szczegółowoCharakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej)
Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) 1 Podział ze względu na zakres danych użytych do wyznaczenia miary Miary opisujące
Bardziej szczegółowoWykład Ćwiczenia Laboratorium Projekt Seminarium 30
Zał. nr 4 do ZW WYDZIAŁ CHEMICZNY KARTA PRZEDMIOTU Nazwa w języku polskim Wstęp do statystyki praktycznej Nazwa w języku angielskim Intriduction to the Practice of Statistics Kierunek studiów (jeśli dotyczy):
Bardziej szczegółowoProjekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski
Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Zadanie 1 Eksploracja (EXAMINE) Informacja o analizowanych danych Obserwacje Uwzględnione Wykluczone Ogółem
Bardziej szczegółowoPrawdopodobieństwo i rozkład normalny cd.
# # Prawdopodobieństwo i rozkład normalny cd. Michał Daszykowski, Ivana Stanimirova Instytut Chemii Uniwersytet Śląski w Katowicach Ul. Szkolna 9 40-006 Katowice E-mail: www: mdaszyk@us.edu.pl istanimi@us.edu.pl
Bardziej szczegółowoOpis zakładanych efektów kształcenia na studiach podyplomowych WIEDZA
Opis zakładanych efektów kształcenia na studiach podyplomowych Nazwa studiów: BIOSTATYSTYKA PRAKTYCZNE ASPEKTY STATYSTYKI W BADANIACH MEDYCZNYCH Typ studiów: doskonalące Symbol Efekty kształcenia dla studiów
Bardziej szczegółowoRozkłady statystyk z próby
Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoWnioskowanie statystyczne. Statystyka w 5
Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających
Bardziej szczegółowoWNIOSKOWANIE W MODELU REGRESJI LINIOWEJ
WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ Dana jest populacja generalna, w której dwuwymiarowa cecha (zmienna losowa) (X, Y ) ma pewien dwuwymiarowy rozk lad. Miara korelacji liniowej dla zmiennych (X, Y
Bardziej szczegółowoStatystyka. Zadanie 1.
Statystyka Zadanie 1. W przedsiębiorstwie Statexport pracuje 100 pracowników fizycznych i 25 umysłowych. Typowy wiek pracownika fizycznego kształtuje się w przedziale od 30 do 40 lat. Średnia wieku pracowników
Bardziej szczegółowoKorelacja krzywoliniowa i współzależność cech niemierzalnych
Korelacja krzywoliniowa i współzależność cech niemierzalnych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki Szczecińskiej
Bardziej szczegółowo( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:
ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość
Bardziej szczegółowo